非对称方向性局部二值模式人脸表情识别

针对方向性局部二值模式（DLBP）在单尺度下获取图像纹理特征的不足,提出一种非对称方向性局部二值模式（AR-DLBP）多尺度多方向融合的表情识别算法。首先对人脸表情图像进行光照补偿预处理,消除光照、噪声的影响,分割出人脸及眉、眼、嘴局部表情关键区域,并计算出关键区域的贡献度（CM）;然后提取人脸及关键区域的异或-非对称方向性局部二值模式（XOR-AR-DLBP）直方图特征信息,并根据CM对关键区域直方图信息进行加权级联再与整幅人脸图像的特征信息进行融合;最后用SVM分类器进行表情分类识别。该算法在JAFFE库、CK库上仿真实验,分别取得95.71%、97.99%的平均识别率及112?ms、135?ms的平均识别时间,实验结果表明,该算法可以有效精确地完成人脸表情的分类识别。通过对表情图像光照补偿预处理及分割出表情的关键区域,并加权融合局部与整体特征,大大提高了特征的鉴别能力,与传统算法的对比实验,也表明该算法无论是在识别率还是在识别时间上,所得效果都是最好的。     

分块多特征自适应融合的多目标视觉跟踪

为提高多目标视觉跟踪算法的实时性和稳定性,提出了分块多特征融合的目标跟踪算法.该算法融合底层颜色、纹理和边缘特征信息,以降低单一目标特征算法容易受复杂环境和目标形变的影响.建立分块目标多特征融合直方图模型,引入目标和背景区分度抑制背景分量,并且结合Kalman滤波器进行预测,在发生遮挡时根据置信度最大子块位置获取遮挡目标位置,实现目标稳定可靠的跟踪.实验结果表明:该算法对每帧图像的平均处理时间为36.2 ms,达到实时性的目的,且算法鲁棒性较强.     

概率框架下多特征显著性检测算法

显著性检测是计算机视觉的一项基础问题,广泛地用于注视点预测、目标检测、场景分类等视觉任务当中.为提升多特征条件下图像的显著性检测精度,以显著图的联合概率分布为基础,结合先验知识,设计一种概率框架下的多特征显著性检测算法.首先分析了单一特征显著性检测的潜在缺陷,继而推导出多特征下显著图的联合概率分布;然后根据显著图的稀有性,稀疏性,紧凑性与中心先验推导出显著图的先验分布,并使用正态分布假设简化了显著图的条件分布;随后根据显著图的联合概率分布得到其极大后验估计,并基于多阈值假设构建了分布参数的有监督学习模型.数据集实验表明：相比于精度最高的单一特征显著性检测方法,多特征算法在有监督和启发式方法下的平均误差降低了6.98%和6.81%,平均F-measure提高了1.19%和1.16%;单幅图像的多特征融合耗时仅为11.8ms.算法精度较高,实时性好,且可根据不同任务选择所需的特征类别与先验信息,能够满足多特征显著性检测的性能要求.     

多特征结合相似度优化的三维工程模型检索算法

为提高三维模型的检索准确度,针对工程三角网格模型提出了一种基于随机点间距离和法向夹角余弦联合分布及二进制粒子群优化的检索算法。在模型表面构造若干随机点并计算各点之间的距离和法向夹角余弦,然后以距离和余弦为坐标轴建立距离一余弦二维网格,统计各网格中的随机点数量,得到三维模型的距离-余弦联合形状分布矩阵,用分布矩阵之间的L_2距离表示模型之间的相似度。为了体现形状分布矩阵中各元素对模型相似度影响的差异性,采用一种基于二进制粒子群优化的方法对相似度计算过程进行了改进。实验结果表明,本算法可有效提高工程三角网格模型检索的准确性。     

基于多特征融合的前向车辆检测方法

针对传统车辆检测方法定位精度不高的问题,提出一种基于多特征融合的前向车辆检测方法。采用基于直方图分析和自适应双阈值的方法分别实现阴影和边缘特征的准确分割,并通过阴影和边缘特征的综合分析,生成车辆假设区域。利用对称性、纹理和轮廓匹配度3个特征融合得到的综合特征对获得的车辆假设区域进行验证,剔除其中的误检区域。实验结果证明,该方法能在不同光照条件下自适应地进行车辆检测,检测率可达92%以上,且在检测率和误检率2项指标上均优于传统基于学习的方法。     

多特征提取逐步求精的高速移动目标跟踪算法

传统的高速移动目标跟踪通常使用图像特征描述,不能够根据跟踪场景自适应地选择最优跟踪特征,导致功能模板很容易产生漂移问题.为此,提出一种基于特征融合和逐步求精的高速移动目标跟踪算法.该算法主要包括3个阶段:第1阶段为自适应多特征融合阶段,通过计算跟踪目标每一特征的前景及背景的区分度,获取目标特征的融合模型;第2阶段是基于多特征内核跟踪阶段,在Mean-Shift框架下,引入Epanechnikov函数作为内核函数提升目标区域中心的像素权重比值;第3阶段为目标模型的自适应更新,通过设计一种模板更新策略提高跟踪结果的准确度.仿真实验结果表明,该算法适用于高速目标跟踪.     

基于Tri-training的多特征融合图像检索

为了有效地综合利用图像的多种底层特征进行图像检索,提出将Tri-training方法应用于图像检索过程,将图像的颜色、纹理和形状特征进行了有效的融合。分别提取图像的三维量化颜色直方图、方向可控金字塔二值图像投影和仿射不变区域来表示其颜色、纹理和形状特征,并将三种特征的匹配值作为Tri-training分类器的输入对分类器进行训练和测试。实验结果表明,该方法有效利用了图像的多种特征,达到了很好的检索效果。     

多特征融合的遥感图像分类

针对高分辨率遥感图像特点,提出了一种多特征融合的分类方法。该方法首先改进了原始的视觉词袋生成算法;然后,分别提取图像的视觉词袋局部特征、颜色直方图特征以及Gabor纹理特征;最后采用支持向量机进行分类,并对多特征分类结果进行自适应综合。采用一个具有2 100幅图像的大型遥感图像分类公共测试数据集进行分类实验,与仅用单一特征分类方法的最高分类精度相比,本文多特征融合的遥感影像分类方法总体平均分类精度提高了10%,表明本文提出方法是一种有效的高分辨率遥感图像分类方法     

基于小波和Radon变换的桥梁裂缝检测

为提高桥梁裂缝检测效率,提出了一种新型的桥梁裂缝检测方法.针对桥梁表面图像具有噪声污点干扰进行预处理,先后用中值滤波和频域滤波有效的减弱了噪点干扰并加强了裂缝区域;针对裂缝处的纹理特点,用小波变换突出图像的纹理特征,计算小波高频段的高幅值系数占比,即高幅小波系数比(HAWCP),高频能量比(HFEP),Radon变换最大值和概率统计参数作为特征值,这些特征值的结合有很好的区分度和容错能力;将误差反向传播算法多层前向神经网络作为桥梁裂缝分类器,并且只用9次迭代既能完成训练,分类效率高.实验结果表明,提出的方法对桥梁裂缝的识别率高(超过95％),泛化能力强.     

多特征区域FastICA的非接触式心率检测

人脸视频单特征区域的非接触式心率检测方法,提取的脉搏波信号在视频采集过程中易受运动和光照的影响.为了减弱运动伪差和光照不均对脉搏波信号的干扰,本文提出了一种多特征区域结合快速独立成分分析的非接触式心率信号提取方法.通过人脸特征点算法结合区域中心定位的方法选择多特征区域,保证了视频图像特征区域的稳定性;使用快速独立成分分析实现多特征区域中图像绿色通道血容量变化脉冲信号之间的相互补偿,降低了光照不均匀的影响.在国外公开数据集DEAP上进行实验,实验结果表明,本文方法优于已有基于独立成分分析,独立矢量分析的方法.